下面我介紹 Linux 下使用 Shell 處理文本時(shí)最常用的工具：

find、grep、xargs、sort、uniq、tr、cut、paste、wc、sed、awk；

提供的例子和參數都是最常用和最為實(shí)用的；

我對shell腳本使用的原則是命令單行書(shū)寫(xiě)，盡量不要超過(guò)2行；

如果有更為復雜的任務(wù)需求，還是考慮python吧；

1、find 文件查找

查找txt和pdf文件

find . \( -name "*.txt" -o -name "*.pdf" \) -print

find . -regex".*\(\.txt|\.pdf\)$"

• -iregex： 忽略大小寫(xiě)的正則

否定參數，查找所有非txt文本

find . ! -name "*.txt" -print

指定搜索深度

find . -maxdepth 1 -type f

• 定制搜索

按類(lèi)型搜索：

find . -type d -print//只列出所有目錄

-type f 文件 / l 符號鏈接

按時(shí)間搜索：

• -atime 訪(fǎng)問(wèn)時(shí)間 (單位是天，分鐘單位則是-amin，以下類(lèi)似）
• -mtime 修改時(shí)間 （內容被修改）
• -ctime 變化時(shí)間 （元數據或權限變化）

最近7天被訪(fǎng)問(wèn)過(guò)的所有文件：

find . -atime 7 -type f -print

按大小搜索：
w字 k M G

尋找大于2k的文件

find . -type f -size +2k

按權限查找：

find . -type f -perm 644 -print //找具有可執行權限的所有文件

find . -type f -user weber -print// 找用戶(hù)weber所擁有的文件

• 刪除：

刪除當前目錄下所有的swp文件：

find . -type f -name "*.swp" -delete

find . -type f -user root -exec chown weber {} \; //將當前目錄下的所有權變更為weber

注：{}是一個(gè)特殊的字符串，對于每一個(gè)匹配的文件，{}會(huì )被替換成相應的文件名；

eg：將找到的文件全都copy到另一個(gè)目錄：

find . -type f -mtime +10 -name "*.txt" -exec cp {} OLD \;

• 結合多個(gè)命令

tips: 如果需要后續執行多個(gè)命令，可以將多個(gè)命令寫(xiě)成一個(gè)腳本。然后 -exec 調用時(shí)執行腳本即可；

-exec ./commands.sh {} \;

-print的定界符

默認使用'\n'作為文件的定界符；

-print0 使用'\0'作為文件的定界符，這樣就可以搜索包含空格的文件；

2、grep 文本搜索

grep match_patten file // 默認訪(fǎng)問(wèn)匹配行

常用參數

• -o 只輸出匹配的文本行 VS -v 只輸出沒(méi)有匹配的文本行

• -c 統計文件中包含文本的次數

grep -c "text" filename

• -n 打印匹配的行號
• -i 搜索時(shí)忽略大小寫(xiě)
• -l 只打印文件名
  

在多級目錄中對文本遞歸搜索(程序員搜代碼的最?lèi)?ài)）：

grep "class" . -R -n

匹配多個(gè)模式

grep -e "class" -e "vitural" file

grep輸出以\0作為結尾符的文件名：（-z）

grep "test" file* -lZ| xargs -0 rm

3、xargs 命令行參數轉換

xargs 能夠將輸入數據轉化為特定命令的命令行參數；這樣，可以配合很多命令來(lái)組合使用。比如 grep，比如 find；

將多行輸出轉化為單行輸出

cat file.txt| xargs

將單行轉化為多行輸出

cat single.txt | xargs -n 3

-n：指定每行顯示的字段數

• -d 定義定界符（默認為空格 多行的定界符為 \n）
• -n 指定輸出為多行
• -I {} 指定替換字符串，這個(gè)字符串在xargs擴展時(shí)會(huì )被替換掉,用于待執行的命令需要多個(gè)參數時(shí)

cat file.txt | xargs -I {} ./command.sh -p {} -1

• -0：指定\0為輸入定界符

eg：統計程序行數

find source_dir/ -type f -name "*.cpp" -print0 |xargs -0 wc -l

4、sort 排序

字段說(shuō)明：

• -n 按數字進(jìn)行排序 VS -d 按字典序進(jìn)行排序
• -r 逆序排序
• -k N 指定按第N列排序

eg：

sort -nrk 1 data.txtsort -bd data // 忽略像空格之類(lèi)的前導空白字符

5、uniq 消除重復行

消除重復行

sort unsort.txt | uniq

sort unsort.txt | uniq -c

sort unsort.txt | uniq -d

6、用tr進(jìn)行轉換

通用用法

echo 12345 | tr '0-9' '9876543210' //加解密轉換，替換對應字符cat text | tr '\t' ' '//制表符轉空格

tr 刪除字符

cat file | tr -d '0-9' // 刪除所有數字

cat file | tr -c '0-9' //獲取文件中所有數字cat file | tr -d -c '0-9 \n'//刪除非數字數據

cat file | tr -s ' '

字符類(lèi)

• tr中可用各種字符類(lèi)：
• alnum：字母和數字
• alpha：字母
• digit：數字
• space：空白字符
• lower：小寫(xiě)
• upper：大寫(xiě)
• cntrl：控制（非可打?。┳址?/span>
• print：可打印字符

使用方法：tr [:class:] [:class:]

eg: tr '[:lower:]' '[:upper:]'

7、cut 按列切分文本

截取文件的第2列和第4列：

cut -f2,4 filename

cut -f3 --complement filename

-d 指定定界符：

cat -f2 -d";" filename

cut 取的范圍

• N- 第N個(gè)字段到結尾

• -M 第1個(gè)字段為M

• N-M N到M個(gè)字段
  
  

cut 取的單位

• -b 以字節為單位

• -c 以字符為單位

• -f 以字段為單位（使用定界符）

eg：

cut -c1-5 file //打印第一到5個(gè)字符cut -c-2 file//打印前2個(gè)字符

8、paste 按列拼接文本

將兩個(gè)文本按列拼接到一起;

cat file112cat file2colinbook

paste file1 file21 colin2 book

paste file1 file2 -d “,”1,colin2,book

9、wc 統計行和字符的工具

wc -l file // 統計行數
wc -w file // 統計單詞數
wc -c file // 統計字符數

10、sed 文本替換利器

首處替換

sed 's/text/replace_text/' file //替換每一行的第一處匹配的text

全局替換

sed 's/text/replace_text/g' file

默認替換后，輸出替換后的內容，如果需要直接替換原文件,使用-i：

sed -i 's/text/repalce_text/g' file

移除空白行：

sed '/^$/d' file

變量轉換，已匹配的字符串通過(guò)標記&來(lái)引用。

echo this is en example | sed 's/\w+/[&]/g'$>[this][is] [en] [example]

子串匹配標記
第一個(gè)匹配的括號內容使用標記 \1 來(lái)引用

sed 's/hello\([0-9]\)/\1/'

雙引號求值

sed 's/$var/HLLOE/'

當使用雙引號時(shí)，我們可以在sed樣式和替換字符串中指定變量；

eg:p=pattenr=replacedecho "line con a patten" | sed "s/$p/$r/g"$>line con a replaced

sed 's/^.\{3\}/&\//g' file

11、awk 數據流處理工具

awk腳本結構
awk ‘ BEGIN{ statements } statements2 END{ statements } ‘

工作方式

1. 執行begin中語(yǔ)句塊；

2. 從文件或 stdin 中讀入一行，然后執行 statements2，重復這個(gè)過(guò)程，直到文件全部被讀取完畢；

3. 執行end語(yǔ)句塊；

print 打印當前行

使用不帶參數的print時(shí)，會(huì )打印當前行;

echo -e "line1\nline2" | awk 'BEGIN{print "start"} {print } END{ print "End" }'

print 以逗號分割時(shí)，參數以空格定界;

echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; \print var1, var2 , var3; }'$>v1 V2 v3

使用-拼接符的方式（””作為拼接符）;

echo | awk ' {var1 = "v1" ; var2 = "V2"; var3="v3"; \print var1"-"var2"-"var3; }'$>v1-V2-v3

特殊變量：NR NF $0 $1 $2

NR:表示記錄數量，在執行過(guò)程中對應當前行號；
NF:表示字段數量，在執行過(guò)程總對應當前行的字段數；
$0:這個(gè)變量包含執行過(guò)程中當前行的文本內容；
$1:第一個(gè)字段的文本內容；
$2:第二個(gè)字段的文本內容；

echo -e “l(fā)ine1 f2 f3\n line2 \n line 3” | awk ‘{print NR”:”1”-“$2}’

打印每一行的第二和第三個(gè)字段：

awk '{print $2, $3}' file

統計文件的行數：

awk ' END {print NR}' file

累加每一行的第一個(gè)字段：

echo -e "1\n 2\n 3\n 4\n" | awk 'BEGIN{num = 0 ;print "begin";} {sum += $1;} END {print "=="; print sum }'

傳遞外部變量

var=1000echo | awk '{print vara}' vara=$var #輸入來(lái)自stdinawk '{print vara}' vara=$var file # 輸入來(lái)自文件用樣式對awk處理的行進(jìn)行過(guò)濾

• awk ‘NR < 5’ #行號小于5
  

• awk ‘NR==1,NR==4 {print}’ file #行號等于1和4的打印出來(lái)

• awk ‘/linux/‘ #包含linux文本的行（可以用正則表達式來(lái)指定，超級強大）

• awk ‘!/linux/‘ #不包含linux文本的行

設置定界符

使用-F來(lái)設置定界符（默認為空格）
awk -F: ‘{print $NF}’ /etc/passwd

讀取命令輸出

使用getline，將外部shell命令的輸出讀入到變量cmdout中；

echo | awk '{"grep root /etc/passwd" | getline cmdout; print cmdout }'

for(i=0;i<10;i++){print $i;}
for(i in array){print array[i];}

eg:
以逆序的形式打印行：(tac命令的實(shí)現）

seq 9| \awk '{lifo[NR] = $0; lno=NR} \END{ for(;lno>-1;lno--){print lifo[lno];}} '

awk 實(shí)現 head、tail 命令

head:

awk 'NR<=10{print}' filename

tail：

awk '{buffer[NR%10] = $0;} END{for(i=0;i<11;i++){ \print buffer[i %10]} } ' filename

打印指定列

awk方式實(shí)現：

ls -lrt | awk '{print $6}'

cut方式實(shí)現

ls -lrt | cut -f6

打印指定文本區域

確定行號

seq 100| awk 'NR==4,NR==6{print}'

確定文本

打印處于start_pattern 和end_pattern之間的文本；

awk '/start_pattern/, /end_pattern/' filename

eg：

seq 100 | awk '/13/,/15/'cat /etc/passwd| awk '/mai.*mail/,/news.*news/'

• index(string,search_string):返回search_string在string中出現的位置
• sub(regex,replacement_str,string)：將正則匹配到的第一處內容替換為replacement_str;
• match(regex,string):檢查正則表達式是否能夠匹配字符串；

• length(string)：返回字符串長(cháng)度

echo | awk '{"grep root /etc/passwd" | getline cmdout; print length(cmdout) }'

seq 10 | awk '{printf "->%4s\n", $1}'

12、迭代文件中的行、單詞和字符

while 循環(huán)法

while read line;doecho $line;done < file.txt改成子shell:cat file.txt | (while read line;do echo $line;done)

cat file.txt | awk ‘{print}’

for word in $line;do echo $word;done

3. 迭代每一個(gè)字符

${string:start_pos:num_of_chars}：從字符串中提取一個(gè)字符；(bash文本切片）
${#word}:返回變量word的長(cháng)度

for((i=0;i<${#word};i++))doecho ${word:i:1);done